小型中文信息檢索測(cè)試集的構(gòu)建與分析.pdf

1、在信息檢索領(lǐng)域中，信息檢索系統(tǒng)的評(píng)估工作一直以來(lái)對(duì)檢索技術(shù)的研究、發(fā)展和應(yīng)用有著巨大的影響。從上個(gè)世紀(jì)六十年代開(kāi)始，測(cè)試集成為評(píng)估工作的主要形式，其構(gòu)建的質(zhì)量直接影響著評(píng)估結(jié)果的準(zhǔn)確性。目前，測(cè)試集仍是實(shí)驗(yàn)室信息檢索系統(tǒng)評(píng)估的主要手段。
　　 測(cè)試集在構(gòu)建過(guò)程中所使用的語(yǔ)言類型決定了其能夠進(jìn)行評(píng)估的范圍。國(guó)外已經(jīng)建立的測(cè)試集，其大多數(shù)所使用的語(yǔ)言為英文。英文測(cè)試集不適合對(duì)中文信息檢索系統(tǒng)進(jìn)行評(píng)估。國(guó)內(nèi)對(duì)中文測(cè)試集的研究仍處于起步

2、階段。中文測(cè)試集的缺乏，制約了檢索技術(shù)的發(fā)展。建立一個(gè)實(shí)驗(yàn)室環(huán)境下的小型中文測(cè)試集，無(wú)疑能夠極大的方便研究者的使用，進(jìn)而推動(dòng)信息檢索系統(tǒng)的研究。
　　 論文參照國(guó)外各種測(cè)試集的構(gòu)建方法與經(jīng)驗(yàn)，提出了一個(gè)用于評(píng)估信息檢索系統(tǒng)的小型中文測(cè)試集的構(gòu)建方案。主要完成了以下工作：
　　 （1）構(gòu)建了由文檔集、查詢集和相關(guān)判斷集三個(gè)部分組成的測(cè)試集。其中，采集并整理了1648篇以中文內(nèi)容為主的文檔，將其作為文檔集；針對(duì)文檔集中文檔的